Contourlet与小波矩支持向量机目标识别系统
5星 · 超过95%的资源 需积分: 9 128 浏览量
更新于2024-07-31
1
收藏 2MB PDF 举报
"这篇硕士论文由苏航撰写,专业为模式识别与智能系统,导师为夏良正,发表于2007年3月,东南大学。论文主要研究了基于小波分析和支持向量机的目标识别技术,通过Contourlet变换和小波矩提取目标方向特征,再结合支持向量机构建了一个多类目标识别系统,实验中成功识别了四类飞机目标,取得了良好的识别效果。"
在自动目标识别(Automatic Target Recognition,ATR)这一关键的军事技术领域,传统的识别方法往往难以满足需求。小波分析由于其在时间和频率域上的局部化特性,已成为信号处理和图像分析的重要工具。它能有效地分解复杂信号,提供丰富的多尺度信息。而不变矩,特别是小波矩,因其对噪声的抵抗力和对目标几何变换的不变性,在目标识别中广泛应用。
论文首先探讨了Contourlet变换,这是一种多方向分解方法,比传统小波变换更能精确地捕捉图像的方向信息。然后,论文对比了描述全局特性的Hu矩和局部特性的小波矩,讨论了它们在不变性方面的优缺点。小波矩能更细致地描述目标的局部结构,这在某些情况下可能更为重要。
支持向量机(Support Vector Machine, SVM)作为一种强大的分类工具,其核心在于选择合适的核函数和确定合适的惩罚系数。论文深入研究了SVM的这些参数选择策略,以及SVM与小波神经网络的识别性能。SVM通过构造最大边距超平面,能够在高维空间中找到最佳分类边界,尤其适合小样本和非线性问题。
最后,论文将Contourlet变换得到的方向特征与小波矩相结合,输入到支持向量机中,构建了一种新的自动目标识别系统。实验结果证明,这个系统对于多类目标的识别有显著的效果,表明了这种方法的有效性和实用性。
关键词包括:自动目标识别、小波分析、Contourlet变换、小波矩、小波神经网络、支持向量机。这些关键术语代表了论文研究的核心内容和技术手段,反映了作者在这些领域的深入理解和应用。
2009-11-06 上传
2020-04-03 上传
点击了解资源详情
2010-12-03 上传
2021-09-23 上传
2021-09-27 上传
2021-06-13 上传
2024-05-23 上传
2023-03-31 上传
wyuting46
- 粉丝: 1
- 资源: 6
最新资源
- 新代数控API接口实现CNC数据采集技术解析
- Java版Window任务管理器的设计与实现
- 响应式网页模板及前端源码合集:HTML、CSS、JS与H5
- 可爱贪吃蛇动画特效的Canvas实现教程
- 微信小程序婚礼邀请函教程
- SOCR UCLA WebGis修改:整合世界银行数据
- BUPT计网课程设计:实现具有中继转发功能的DNS服务器
- C# Winform记事本工具开发教程与功能介绍
- 移动端自适应H5网页模板与前端源码包
- Logadm日志管理工具:创建与删除日志条目的详细指南
- 双日记微信小程序开源项目-百度地图集成
- ThreeJS天空盒素材集锦 35+ 优质效果
- 百度地图Java源码深度解析:GoogleDapper中文翻译与应用
- Linux系统调查工具:BashScripts脚本集合
- Kubernetes v1.20 完整二进制安装指南与脚本
- 百度地图开发java源码-KSYMediaPlayerKit_Android库更新与使用说明